[keras] 中间层输出

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/u013608336/article/details/82659509

把每个层的输出都拿出来，然后算均方差
K.var(layeroutput, axis=None, keepdims=False):
目前还没找到在运行过程中每一个step都输出的函数，
看看train loss在哪里输出的，可能要修改fit 函数。。。。
自定义call back函数只能在每层结束后输出

测试阶段加载权重后输出

1.通过建立function

get_1_layer_output = K.function([model.layers[0].input, K.learning_phase()],
                          [model.layers[0].output])
pic_len = 1
p_32 = get_1_layer_output([X_train[0:pic_len], 0])[0]           #获取第一层的输出
image_array = deprocess_image(p_32)

K.learning_phase()”表示当前处于训练状态还是测试状态，0为训练，1为测试。例如当网络有Dropout层时，训练和测试要采取不同的策略，修改该值可以得到想要的结果。
其中的deprocess_image函数将0到1的浮点数转换到0-255的图像值

2.通过get_layer 函数

from keras.models import Model
model = ... # 创建原始模型intermediate_layer_model = Model(inputs=model.input, outputs=model.get_layer(layer_name).output)#你创建新的模型
#这个新的模型截取了原始模型中从输入到某个层（你想要得到结果的那一层）的一部分，
intermediate_output = intermediate_layer_model.predict(data)#这个数据就是原始模型的输入数据

参考

https://blog.csdn.net/u010632850/article/details/77926511

Keras中间层输出的两种方式